MAKALAH · Web viewPada makalah ini akan dibahas kesalahan analisis data dan pembetulan analisis data pada salah satu skripsi yang berjudul “ Pengaruh Penggunaan Modal Kerja dan

KESALAHAN ANALISIS DATA PADA SKRIPSI

Oleh:

1. Dwi Suciati (4150405009)2. Munirul Chakim (4150405016)3. Rina Marfungah (4150405026)4. Abdul Gofur R. (4150405033)

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2009

BAB 1

PENDAHULUAN

1.1 Latar Belakang MasalahStatistik diartikan sebagai kumpulan data bilangan maupun non bilangan

yang disusun dalam tabel atau diagram yang menggambarkan suatu persoalan

(Sudjana 2005: 2). Sedangkan statistika diartikan sebagai ilmunya. Statistika

adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,

pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan

kumpulan data dan penganalisisan yang dilakukan (Sudjana 2005: 3). Disadari

atau tidak, statistika sudah banyak digunakan dalam kehidupan sehari-hari.

Statistika sangat penting digunakan dalam bidang teknik, industri, bisnis,

ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan,

sosiologi, antropologi, pemerintahan, pendidikan, dan sebagainya.

Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari

masalah statistika. Masalah statistika dapat diselesaikan dengan metode-metode

statistik. Dalam dunia perkuliahan, para mahasiswa yang skripsi atau tugas

akhirnya berupa studi kasus atau penelitian biasanya menggunakan metode

statistika untuk menyelesaikan analisis data skripsi atau tugas akhir.

Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada

mahasiswa jurusan matematika saja. Akan tetapi seluruh mahasiswa disemua

jurusan diajarkan mata kuliah tersebut. Hanya saja penekanan metode statistika

pada mahasiswa jurusan matematika lebih mendalam sehingga pemahaman

mereka mengenai statistika lebih paham daripada mahasiswa dari jurusan lain.

Akibatnya, jika ditelusuri lebih jauh masih banyak ditemukan skripsi dan tugas

akhir mahasiswa non matematika yang analisis datanya masih salah atau kurang

benar.

Pada makalah ini akan dibahas kesalahan analisis data dan pembetulan

analisis data pada salah satu skripsi yang berjudul “ Pengaruh Penggunaan Modal

1

Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di

Kecamatan Sokaraja Kabupaten Banyumas”, yang ditulis oleh Ari Wiyatmi

(3364981601), Prodi Pendidikan Akuntansi, Jurusan Ekonomi, Fakultas Ilmu

Sosial. Rumusan masalah yang terdapat pada skripsi tersebut antara lain:

(1) Bagaimana pengaruh penggunaan modal kerja terhadap pendapatan

industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas?

(2) Bagaimana pengaruh penggunaan tenaga kerja terhadap

pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten

Banyumas?

(3) Seberapa besar pengaruh penggunaan modal kerja dan tenaga kerja

terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja

Kabupaten Banyumas?

Berdasarkan latar belakang di atas, maka penulis mengambil judul

“Kesalahan Analisis Data pada Skripsi”.

1.2 PermasalahanPermasalahan yang akan dikaji adalah sebagai berikut.

(1) Dimana letak kesalahan analisis data yang terdapat pada skripsi

berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap

Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten

Banyumas”?

(2) Bagaimana pembetulan analisis data pada skripsi berjudul

“Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan

Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas”?

1.3 TujuanTujuan dari permasalahan di atas adalah sebagai berikut.

(1) Untuk mengetahui letak kesalahan analisis data yang terdapat

pada skripsi berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja

2

terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja

Kabupaten Banyumas”.

(2) Untuk mengetahui pembetulan analisis data pada skripsi

berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap

Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten

Banyumas”.

3

BAB 2LANDASAN TEORI

Terdapat dua macam teknik statistik inferensial yang dapat digunakan

untuk menguji hipotesis penelitian, yaitu statistik parametris dan statistik

nonparametris (Sugiyono 2004: 8).

Statistik parametris lebih banyak digunakan untuk menganalisis data yang

berbentuk interval dan rasio, dengan dilandasi beberapa persyaratan tertentu

misalnya data variabel yang akan dianalisis harus berdistribusi normal (Sugiyono

2004: 8). Biasanya sampling yang dilakukan beranggotakan n yang cukup besar (n

> 30). Analisis statistik yang terdapat pada statistik parametris misalnya analisis

regresi (uji hubungan dan pengaruh antar variabel), uji t (uji perbedaan) dua

variabel, dan uji perbedaan data lebih dari dua variabel (Sukestiyarno 2008: 7).

Statistik nonparametris digunakan untuk menganalisis data yang berbentuk

nominal dan ordinal serta tidak dilandasi persyaratan data harus berdistribusi

normal (Sugiyono 2004: 8). Analisis nonparametris biasanya lebih tepat jika

digunakan pada suatu sampling data ukuran kecil. Analisis statistic yang terdapat

pada statistic nonparametris misalnya uji tanda, uji kebebasan chi kuadrat, uji U

Mann-whitney, dan sebagainya (Sukestiyarno 2008: 7).

Dalam kehidupan sehari-hari banyak ditemukan persoalan atau fenomena

yang meliputi lebih dari sebuah variabel. Misalnya, berat orang dewasa laki-laki

sampai taraf tertentu bergantung pada tingginya, tekanan semacam gas bergantung

pada temperature, hasil produksi padi tergantung pada jumlah pupuk yang

digunakan, banyak hujan, cuaca, dan sebagainya.

Jika dipunyai sebuah data yang terdiri dari dua atau lebih variabel maka

dapat diketahui hubungan atau pengaruh antar variabel tersebut. Hubungan dan

pengaruh yang didapat pada umumnya dinyatakan dalam bentuk persamaan

matematik yang menyatakan hubungan fungsional antara variabel-variabel. Studi

yang menyangkut masalah ini dikenal dengan analisis regresi linier (Sudjana

2005: 310). Analisis regresi linier juga digunakan untuk meramalkan suatu

variabel (variabel dependen) berdasar satu atau beberapa variabel lain (variabel

4

independen) dalam suatu persamaan linier (Trihendradi 2006: 154). Ada dua

macam analisis regresi linier yaitu analisis regresi linier sederhana dan analisis

regresi linier ganda.

2.1 Analisis Regresi Linier SederhanaAnalisis regresi linier sederhana terdiri dari satu variabel dependen

(variabel terikat) dan satu variabel independen (variabel bebas). Analisis regresi

linier sederhana dinyatakan dengan hubungan persamaan regresi:

(Sudjana 2005: 312).

(Sudjana 2005: 315).

Keterangan :

X : Variabel independen

Y : Variabel dependen

a : Konstanta

b : Koefisien regresi

(Trihendradi 2006: 154).

Pada analisis regresi linier sederhana ada dua uji pokok, yaitu uji

kelinieran dan uji koefisien (Trihendradi 2006: 154).

(1) Uji Kelinieran

Hipotesis:

H0 : Persamaan regresi tidak linier

H1 : Persamaan regresi linier

5

kk XaXaXaaY ...ˆ22110

Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output

ANOVA lebih dari α (5%) atau nilai F hitung pada output ANOVA kurang dari F

tabel maka H0 diterima (Trihendradi 2006: 157).

(2) Uji Koefisien

Hipotesis:

H0 : Koefisien regresi tidak signifikan

H1 : Koefisien regresi signifikan


Coefficients lebih dari α (5%) atau nilai T hitung pada output Coefficients kurang

dari T tabel maka H0 diterima (Trihendradi 2006: 158).

Model persamaan regresi linier sederhana dapat dilihat pada output

Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel

bebas terhadap variabel terikat dapat dilihat pada output Model Summary

(Sukestiyarno 2008: 12-13).

2.2 Analisis Regresi Linier GandaAnalisis regresi linier ganda terdiri dari satu variabel dependen dan

beberapa variabel independen. Analisis regresi linier ganda dinyatakan dengan

hubungan persamaan regresi:

(Sudjana 2005: 349).

6

Keterangan :

X1, X2, ..., Xk : Variabel independen

Y : Variabel dependen

: Konstanta

: Koefisien regresi

Pada analisis regresi linier ganda ada enam uji pokok, yaitu:

(1) Uji Kelinieran

Hipotesis:




ANOVA lebih dari α (5%) maka H0 diterima (Trihendradi 2006: 157).

(2) Uji Koefisien

Hipotesis:




Coefficients lebih dari α (5%) maka H0 diterima (Trihendradi 2006: 158).

(3) Uji Normalitas Data

Berdasarkan teori statistika model linier hanya variabel dependen yang

mempunyai distribusi diuji normalitasnya, sedangkan variabel independen

diasumsikan bukan merupakan fungsi distribusi, jadi tidak perlu diuji

normalitasnya. Salah satu cara untuk menguji kenormalan data yaitu dengan uji

Kolmogorov-Smirnov.

Hipotesis:

H0 : Variabel adalah normal

H1 : Variabel adalah tidak normal


NPar Tests lebih dari α (5%) maka H0 diterima.

Selain itu kenormalan data dapat juga dideteksi dari penyebaran data (titik)

pada sumbu diagonal dari grafik atau melihat grafik histograf dari residualnya.

7

Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf

menuju pola distribusi normal, maka model regresi memenuhi asumsi normalitas

(Sukestiyarno 2008: 14).

(4) Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antara variabel bebas. Jadi uji multikolinearitas terjadi

hanya pada regresi ganda. Model regresi yang baik seharusnya tidak terjadi

korelasi tinggi diantara variabel bebas. Gejala multikolinearitas dapat dideteksi

dengan melihat nilai Variance Inflasi Factor (VIF) dan tolerance pada output

Coefficients. Multikolinearitas terjadi jika VIF berada di atas 10 dan nilai

tolerance di atas 1 (Sukestiyarno 2008: 14).

(5) Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada

korelasi antar error satu dengan error yang lainnya. Gejala autokorelasi dapat

dideteksi dengan menggunakan uji Durbin Watson (DW) pada output Model

Summary. Ketentuan jika -2 < DW < 2 berarti tidak terjadi autokorelasi


(6) Uji Heteroskedastisitas

Heteroskedastisitas terjadi apabila error atau residual dari model yang

diamati tidak memiliki varian yang konstan dari satu observasi ke observasi

lainnya. Pengujian heteroskedastisitas dilakukan dengan melihat diagram residual

terhadap variabel bebas pada output Scatterplot. Jika nilai error membentuk pola

tertentu tidak bersifat acak terhadap nol maka dikatakan terjadi heteroskedasti


Model persamaan regresi linier ganda dapat dilihat pada output

Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel

bebas secara bersama-sama terhadap variabel terikat dapat dilihat pada output

Model Summary (Sukestiyarno 2008: 19).

8

BAB 3

PEMBAHASAN

3.1 Kesalahan Analisis Data pada SkripsiKesalahan analisis data pada skripsi berjudul “Pengaruh Penggunaan

Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng

di Kecamatan Sokaraja Kabupaten Banyumas” terletak pada:

(1) Tidak terdapat analisis regresi linier sederhana untuk menjawab

permasalahan pertama, yaitu pengaruh penggunaan modal kerja terhadap


Banyumas.

(2) Tidak terdapat analisis regresi linier sederhana untuk menjawab

permasalahan kedua, yaitu pengaruh penggunaan tenaga kerja terhadap


Banyumas.

(3) Uji pokok untuk melakukan analisis regresi linier ganda untuk menjawab

permasalahan ketiga, yaitu pengaruh penggunaan modal kerja dan tenaga kerja

terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja

Kabupaten Banyumas masih kurang, yaitu tidak terdapat uji kelinieran, uji

normalitas data, uji multikolinearitas, uji autokorelasi, dan uji

heteroskedastisitas.

3.2 Pembetulan Analisis Data pada SkripsiPembetulan analisis data pada skripsi berjudul “Pengaruh Penggunaan

Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng

di Kecamatan Sokaraja Kabupaten Banyumas” adalah sebagai berikut.

(1) Untuk mengetahui pengaruh penggunaan modal kerja terhadap


Banyumas dilakukan analisis regresi linier sederhana dengan variabel

9

bebasnya adalah modal kerja (X) dan variabel terikatnya adalah pendapatan

(Y). Analisisnya dengan SPSS adalah sebagai berikut.

RegressionVariables Entered/Removedb

MODAL_KERJA

a . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: PENDAPATANb.

Model Summary

.748a .559 .546 6716317.593Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), MODAL_KERJAa.

ANOVAb

1.9E+015 1 1.889E+015 41.882 .000a

1.5E+015 33 4.511E+0133.4E+015 34

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), MODAL_KERJAa.


Coefficientsa

5244901 1766201 2.970 .006.869 .134 .748 6.472 .000

(Constant)MODAL_KERJA

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: PENDAPATANa.

(a) Uji Kelinieran

Hipotesis:



10

Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari

α (5%) atau nilai F hitung = 41,882 lebih dari F tabel = F(1;33;0,05) = 4,139 maka H0

ditolak atau H1 diterima. Jadi persamaan regresi linier.

(b) Uji Koefisien

Hipotesis:



Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang

dari α (5%) atau nilai T hitung = 6,472 lebih dari T tabel = t(33;0,05) = 1,692 maka

H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan.

Berdasarkan output Coefficients diperoleh model persamaan regresi linier

sederhana:

Berdasarkan output Model Summary diperoleh R Square = 0,559 =

55,9% (nilai pengaruhnya cukup tinggi). Artinya modal kerja mempengaruhi

pendapatan sebesar 55,9% dan masih ada pengaruh lain di luar modal kerja

sebesar 44,1%.

(2) Untuk mengetahui pengaruh penggunaan tenaga kerja terhadap


Banyumas dilakukan analisis regresi linier sederhana dengan variabel

bebasnya adalah tenaga kerja (X) dan variabel terikatnya adalah pendapatan

(Y). Analisisnya dengan SPSS adalah sebagai berikut.

RegressionVariables Entered/Removedb

TENAGA_KERJA

a . Enter

Model1

VariablesEntered




11

Model Summary

.766a .587 .574 6501787.052Model1



Predictors: (Constant), TENAGA_KERJAa.

ANOVAb

2.0E+015 1 1.983E+015 46.905 .000a

1.4E+015 33 4.227E+0133.4E+015 34


Model1


Predictors: (Constant), TENAGA_KERJAa.


Coefficientsa

-9601589 3617273 -2.654 .012255440.5 37297.423 .766 6.849 .000

(Constant)TENAGA_KERJA

Model1

B Std. Error


Beta


t Sig.


(a) Uji Kelinieran

Hipotesis:






(b) Uji Koefisien

Hipotesis:



Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang

dari α (5%) atau nilai T hitung = 6,849 lebih dari T tabel = t(33;0,05) = 1,692 maka

H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan.

12


sederhana:

Berdasarkan output Model Summary diperoleh R Square = 0,587 =

58,7% (nilai pengaruhnya cukup tinggi). Artinya tenaga kerja mempengaruhi

pendapatan sebesar 58,7% dan masih ada pengaruh lain di luar tenaga kerja

sebesar 41,3%.

(3) Untuk mengetahui pengaruh penggunaan modal kerja dan tenaga

kerja secara bersama-sama terhadap pendapatan industri kecil getuk goreng di

Kecamatan Sokaraja Kabupaten Banyumas dilakukan analisis regresi linier

ganda dengan variabel bebasnya adalah modal kerja (X1) dan tenaga kerja (X2)

dan variabel terikatnya adalah pendapatan (Y). Analisisnya dengan SPSS

adalah sebagai berikut.

NPar TestsOne-Sample Kolmogorov-Smirnov Test

351E+007

9967381.155.152

-.155.918.368

NMeanStd. Deviation

Normal Parameters a,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

PENDAPATAN

Test distribution is Normal.a.

Calculated from data.b.

Regression

13

Variables Entered/Removedb

TENAGA_KERJA,MODAL_KERJA

a. Enter

Model1

VariablesEntered




Model Summaryb

.860a .740 .724 5239354.386 1.817Model1



Durbin-Watson

Predictors: (Constant), TENAGA_KERJA, MODAL_KERJAa.


ANOVAb

2.5E+015 2 1.250E+015 45.526 .000a

8.8E+014 32 2.745E+0133.4E+015 34


Model1


Predictors: (Constant), TENAGA_KERJA, MODAL_KERJAa.


Coefficientsa

-7154337 2969006 -2.410 .022.544 .125 .468 4.338 .000 .748 .609 .391 .698 1.433

169633.6 35980.311 .509 4.715 .000 .766 .640 .425 .698 1.433

(Constant)MODAL_KERJATENAGA_KERJA

Model1

B Std. Error


Beta


t Sig. Zero-order Partial PartCorrelations

Tolerance VIFCollinearity Statistics


Collinearity Diagnosticsa

2.706 1.000 .01 .03 .01.255 3.257 .10 .75 .02.039 8.379 .89 .22 .98

Dimension123

Model1

EigenvalueCondition

Index (Constant)MODAL_KERJA

TENAGA_KERJA

Variance Proportions


14

Residuals Statisticsa

-683040 3E+007 1E+007 8573949.466 35-1E+007 1E+007 .000 5082920.363 35

-1.713 2.052 .000 1.000 35-2.304 2.414 .000 .970 35

Predicted ValueResidualStd. Predicted ValueStd. Residual

Minimum Maximum Mean Std. Deviation N


Charts

Observed Cum Prob1.00.80.60.40.20.0

Expe

cted

Cum

Pro

b

1.0

0.8

0.6

0.4

0.2

0.0

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: PENDAPATAN

15

PENDAPATAN400000003000000020000000100000000

Reg

ress

ion

Stan

dard

ized

Pre

dict

ed

Valu

e

3

2

1

0

-1

-2

Scatterplot

Dependent Variable: PENDAPATAN

(a) Uji Kelinieran

Hipotesis:






(b) Uji Koefisien

Hipotesis:



Berdasarkan output Coefficients diperoleh nilai sig untuk variabel modal

kerja = 0,000 = 0% kurang dari α (5%) atau nilai T hitung untuk variabel modal

kerja = 4,338 lebih dari T tabel = t(32;0,05) = 1,694 maka H0 ditolak atau H1 diterima.

16

Sedangkan nilai sig untuk variabel tenaga kerja = 0,000 = 0% kurang dari α (5%)

atau nilai T hitung untuk variabel modal kerja = 4,715 lebih dari T tabel = t (32;0,05)

= 1,694 maka H0 ditolak atau H1 diterima. Jadi koefisien regresi untuk kedua

variabel bebas tersebut signifikan.

(c) Uji Normalitas Data

Untuk menguji normalitas ada 2 cara yaitu dengan uji Kolmogorov-

Smirnov dan dengan melihat grafik histograf dari residualnya.

Untuk uji normalitas dengan Kolmogorov-Smirnov sebagai berikut :

Hipotesis :

H0 : Variabel adalah normal

H1 : Variabel adalah tidak normal

Dari output NPar Tests diperoleh nilai sig = 0,368 = 36,8% lebih dari α

(5%), berarti H0 diterima. Jadi variabel dependen adalah normal.

Berdasarkan output Normal P-Plot of Regression, terlihat data menyebar

di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi

normal, maka model regresi memenuhi asumsi normalitas.

(d) Uji Multikolinieritas

Berdasarkan output Coefficients diperoleh nilai tolerance =0,698 kurang

dari 1 dan nilai VIF = 1,433 kurang dari 10. Ini berarti tidak terjadi

multikolinieritas.

(e) Uji Autokorelasi

Berdasarkan output Model Summary diperoleh nilai Durbin Watson

(DW) = 1,817. Ternyata nilai DW terletak diantara -2 dan 2. Ini berarti tidak

terjadi autokorelasi.

(f) Uji Heteroskedastisitas

Pada output Scatterplot terlihat bahwa nilai error bersifat acak terhadap

nol. Ini berarti tidak terjadi heteroskedasti.


ganda:

17

Berdasarkan output Model Summary diperoleh R Square = 0,740 = 74%

(nilai pengaruhnya tinggi). Artinya, modal kerja dan tenaga kerja secara bersama-

sama mempengaruhi pendapatan sebesar 74% dan masih ada pengaruh lain di luar

modal kerja dan tenaga kerja sebesar 26%.

18

BAB 4

PENUTUP

4.1 SimpulanBerdasarkan pembahasan dapat disimpulkan sebagai berikut:

(1) Letak kesalahan analisis data yang terdapat pada skripsi berjudul

“Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan

Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas”

adalah adanya permasalahan yang belum terjawab dalam analisis data serta

pada analisis regresi, penggunaan uji pokok analisis regresi linier ganda masih

kurang lengkap.

(2) Pembetulan dilakukan untuk menjawab permasalahan yang belum

terjawab dalam analisis data serta untuk melengkapi kekurangan uji pokok

dalam analisis regresi linier ganda berdasarkan landasan teorinya.

4.2 SaranBerdasarkan simpulan maka saran yang dapat disampaikan adalah sebagai

berikut:

(1) Mahasiswa perlu mempelajari dan memahami mata kuliah

statistika lebih mendalam lagi.

(2) Cara belajar statistika akan lebih efektif dan efisien jika banyak

latihan perhitungan dan praktek dengan menggunakan software yang berkaitan

dengan statistika serta mempelajari cara menginterpretasikan outputnya.

(3) Mahasiswa harus teliti dalam melakukan perhitungan-perhitungan

dalam statistika serta teliti dalam menginterpretasikan output software

mengenai statistika.

19

DAFTAR PUSTAKA

Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.

Sugiyono. 2004. Statistik Nonparametris. Bandung: CV Alfabeta.

Sukestiyarno. 2008. Workshop Olah Data Penelitian dengan SPSS. Semarang: UNNES.

Trihendradi, C. 2006. Langkah Mudah Menguasai Analisis Statistik Menggunakan SPSS 15. Yogyakarta: Andi Offset.

20

Documents

MAKALAH · Web viewPada makalah ini akan dibahas kesalahan analisis data dan pembetulan analisis data pada salah satu skripsi yang berjudul “ Pengaruh Penggunaan Modal Kerja dan